Nur ein kurzer Blick darauf, wie sich die Parameter (Koeffizienten und Varianz der Residuen) dieser sehr linearen Beziehung im Laufe der Zeit verändern. Wahrscheinlich kann man nur dann von einem Gleiten sprechen, wenn die Korrelation und die Varianz annähernd konstant sind und die Verschiebung gleichmäßig um einen Mittelwert schwankt. Dementsprechend kann man versuchen, die Parameter dieser Fluktuation zu verwenden, um einen TC) zu konstruieren.
Das ist alles wahr. Die Frage ist, was genau als Abweichung zwischen den beiden Zeilen zu werten ist. So gibt es zum Beispiel die traditionelle Auffassung, dass die Länge der Senkrechten zur Regressionslinie. Aber ich habe den Eindruck, dass dies nicht der richtige Weg ist. Denn sie gibt die Spanne nicht im Verhältnis zu den vorherigen Werten an, sondern im Verhältnis zu ihrem Mittelpunkt. Dadurch geht eine Substanz wie die "Asymmetrie" des Gleitens verloren, die ich gerne spüren würde.
secret: Das ist alles wahr. Die Frage ist, was genau als Abweichung zwischen den beiden Serien zu betrachten ist. So gibt es zum Beispiel die traditionelle Auffassung, dass die Länge der Senkrechten zur Regressionslinie. Aber ich glaube nicht, dass das der richtige Weg ist. Denn sie gibt die Spanne nicht im Verhältnis zu den vorherigen Werten an, sondern im Verhältnis zu ihrem Mittelpunkt. Dadurch geht eine Substanz wie die "Asymmetrie" des Gleitens verloren, die ich gerne spüren würde.
Ich weiß nicht einmal, ob man sich ein Lot als Vektor mit zwei Komponenten vorstellen kann.) Sie sind natürlich proportional zur Länge, aber mit unterschiedlichen Koeffizienten.
Aber ich schätze, ich habe einfach nicht verstanden, worum es geht. Vielleicht geht es darum, eine mögliche Verletzung der linearen Beziehungsbedingung (Modellentkopplung) stets im Auge zu behalten? Wenn immer die Gewissheit besteht, dass die Beziehung erhalten bleibt und sich nicht verändert, dann sollte jedes Maß für die Diskontinuität (idealerweise) in Form von senkrechten Längen und Regressionskoeffizienten ausgedrückt werden.
Maxim Dmitrievsky: Aus ganz objektiven Gründen. Ein stationäres Portfolio funktioniert nur im Moment, bei neuen Daten bricht alles zusammen, wenn man nicht die richtigen Fähigkeiten hat.
Aber die Tatsache, dass es zusammenbricht, ist 100%.
Bei MS und Fernsehen muss man manchmal vorsichtig sein. Es kann manchmal ein Muster zeigen, wo gar kein Muster ist.
Machen Sie sich keine Sorgen wegen MS und Fernsehen - der Effekt der falschen Korrelation ist seit langem untersucht worden, es gibt entsprechende Tests und Validierungsalgorithmen.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Erlauben Sie die Verwendung von Cookies, um sich auf der Website MQL5.com anzumelden.
Bitte aktivieren Sie die notwendige Einstellung in Ihrem Browser, da Sie sich sonst nicht einloggen können.
Sie sind angemeldet. Die Zwei-Faktor-Authentifizierung wurde deaktiviert. Richten Sie sie erneut ein und scannen Sie einen neuen QR-Code oder fahren Sie mit deaktivierter Zwei-Faktor-Authentifizierung fort.
Nur ein kurzer Blick darauf, wie sich die Parameter (Koeffizienten und Varianz der Residuen) dieser sehr linearen Beziehung im Laufe der Zeit verändern. Wahrscheinlich kann man nur dann von einem Gleiten sprechen, wenn die Korrelation und die Varianz annähernd konstant sind und die Verschiebung gleichmäßig um einen Mittelwert schwankt. Dementsprechend kann man versuchen, die Parameter dieser Fluktuation zu verwenden, um einen TC) zu konstruieren.
Das ist alles wahr. Die Frage ist, was genau als Abweichung zwischen den beiden Serien zu betrachten ist. So gibt es zum Beispiel die traditionelle Auffassung, dass die Länge der Senkrechten zur Regressionslinie. Aber ich glaube nicht, dass das der richtige Weg ist. Denn sie gibt die Spanne nicht im Verhältnis zu den vorherigen Werten an, sondern im Verhältnis zu ihrem Mittelpunkt. Dadurch geht eine Substanz wie die "Asymmetrie" des Gleitens verloren, die ich gerne spüren würde.
Ich weiß nicht einmal, ob man sich ein Lot als Vektor mit zwei Komponenten vorstellen kann.) Sie sind natürlich proportional zur Länge, aber mit unterschiedlichen Koeffizienten.
Aber ich schätze, ich habe einfach nicht verstanden, worum es geht. Vielleicht geht es darum, eine mögliche Verletzung der linearen Beziehungsbedingung (Modellentkopplung) stets im Auge zu behalten? Wenn immer die Gewissheit besteht, dass die Beziehung erhalten bleibt und sich nicht verändert, dann sollte jedes Maß für die Diskontinuität (idealerweise) in Form von senkrechten Längen und Regressionskoeffizienten ausgedrückt werden.
Ich frage mich, was passiert, wenn die ei-Fehler weißes Rauschen mit der Verteilung von Alexei Nikolaev sind.
Daher ist es notwendig, die Struktur der Regressionsresiduen zu untersuchen. Darum geht es in der Ökonometrie zur Hälfte)
Aus ganz objektiven Gründen. Ein stationäres Portfolio funktioniert nur im Moment, bei neuen Daten bricht alles zusammen, wenn man nicht die richtigen Fähigkeiten hat.
Bei MS und Fernsehen muss man manchmal vorsichtig sein. Manchmal wird ein Muster angezeigt, wo gar keines ist.
Bei MS und Fernsehen muss man manchmal vorsichtig sein. Es kann manchmal ein Muster zeigen, wo gar kein Muster ist.
Machen Sie sich keine Sorgen wegen MS und Fernsehen - der Effekt der falschen Korrelation ist seit langem untersucht worden, es gibt entsprechende Tests und Validierungsalgorithmen.